Видео

Артамонов С.А.- Машинное обучение для решения прикладных задач - 9. Задача кластеризации

Артамонов С.А.- Машинное обучение для решения прикладных задач - 8. Снижение размерности данных

Артамонов С.А.- Машинное обучение для решения прикладных задач - 7. Метрики качества классификации

Артамонов С.А.- Машинное обучение для решения прикладных задач - 6. Ансамблевые алгоритмы

Артамонов С.А.- Машинное обучение для решения прикладных задач - 5. Решающие деревья

Артамонов С.А.- Машинное обучение для решения прикладных задач - 4. Линейные модели регрессии

Артамонов С.А.- Машинное обучение для решения прикладных задач - 3. Линейные модели классификации

Артамонов С.А.- Машинное обучение для решения прикладных задач - 2. Метрические методы

Артамонов С.А.- Машинное обучение для решения прикладных задач - 1. Введение в машинное обучение

Хирьянов Т.Ф. - Основы программирования и анализа данных на Python - 11. Парадигмы программирования

Хирьянов Т.Ф. - Основы программирования и анализа данных на Python - 10. Библиотека Pandas

Хирьянов Т.Ф. - Основы программирования и анализа данных на Python - 9. Логика, NumPy и Pandas

Хирьянов Т.Ф. - Основы программирования и анализа данных на Python - 8. Статистический анализ

Хирьянов Т.Ф. - Основы программирования и анализа данных на Python - 7. Основы библиотеки Matplotlib

Хирьянов Т.Ф. - Основы программирования и анализа данных на Python - 6. Частотный анализ

Хирьянов Т.Ф.-Основы программирования и анализа данных на Python - 5. Ссылочная модель данных Python

Хирьянов Т.Ф.-Основы программирования и анализа данных на Python- 4.Числ. данные в памяти компьютера

Хирьянов Т.Ф.-Основы программирования и анализа данных на Python - 3. Имена и значения

Хирьянов Т.Ф.-Основы программирования и анализа данных на Python - 2. Написание кода на Python

Хирьянов Т.Ф.-Основы программирования и анализа данных на Python - 1. Введение в курс

Нейчев Р.Г. - Введение в глубокое обучение - 7. Языковое моделирование и RNN